선형회귀 및 ARIMA 모델을 이용한 배터리 사용자 패턴 변화 추적 연구

• 영문명: A study of Battery User Pattern Change tracking method using Linear Regression and ARIMA Model
• 발행기관: 한국전자통신학회
• 간행물 정보: 『한국전자통신학회 논문지』제17권 제3호, 423~431쪽, 전체 9쪽
• 주제분류: 공학 > 전자/정보통신공학
• 파일형태: PDF
• 발행일자: 2022.06.30

국문 초록

전기자동차는 운전자가 바뀌거나 운전자의 주행습관이 바뀜에 따라 SOH가 급격하게 감소할 수 있고, 이러한 운전습관은 배터리에 과부하를 주어 배터리 수명의 단축 및 안전 문제를 일으킬 수 있다. 본 논문에서는 전기자동차의 계기판에 사용자 패턴 변화에 따른 SOH의 변화를, 실시간으로 나타내기 위하여, NASA에서 제공하는 배터리 데이터 세트를 학습하고, 기계학습 모델을 구축 후, 변화된 사용자 패턴을 포함한 배터리에 대해 선형회귀와 ARIMA 모델로 예측하는 실험을 진행하였다. 그 결과, 변화된 사용자 패턴에 따른 변경된 수명을 예측하는 경우, 배터리 데이터가 많이 확보되었다면 선형회귀가 유용하고, 데이터가 많이 확보되지 않은 경우는 ARIMA 모델이 대안이 될 수 있다는 연구결과를 얻을 수 있었다.

영문 초록

This paper addresses the safety concern that the SOH of batteries in electric vehicles decreases sharply when drivers change or their driving patterns change. Such a change can overload the battery, reduce the battery life, and induce safety issues. This paper aims to present the SOH as the changes on a dashboard of an electric vehicle in real-time in response to user pattern changes. As part of the training process I used battery data among the datasets provided by NASA, and built models incorporating linear regression and ARIMA, and predicted new battery data that contained user changes based on previously trained models. Therefore, as a result of the prediction, the linear regression is better at predicting some changes in SOH based on the user's pattern change if we have more battery datasets with a wide range of independent values. The ARIMA model can be used if we only have battery datasets with SOH data.

목차

Ⅰ. 서 론

Ⅱ. 선형회귀 및 ARIMA 모델

Ⅲ. 실험용 배터리 데이터의 생성

Ⅳ. 배터리 사용자 패턴에 따른 SOH 예측

Ⅴ. 결론

References

키워드

배터리 건전성 지표 사용자 패턴 변경 선형 회귀 자동 회귀 통합 이동 평균 Battery SOH User Pattern Change Linear Regression ARIMA